買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜華中科技大學(xué)申請(qǐng)的專利一種匹配任務(wù)難度的類別增量學(xué)習(xí)模型定制化方法、裝置及存儲(chǔ)介質(zhì)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119323245B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-04發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411874322.9，技術(shù)領(lǐng)域涉及：G06N3/084；該發(fā)明授權(quán)一種匹配任務(wù)難度的類別增量學(xué)習(xí)模型定制化方法、裝置及存儲(chǔ)介質(zhì)是由李德鵬;張震宇;趙晨陽(yáng);劉楊;徐冰瑢;曾志剛設(shè)計(jì)研發(fā)完成，并于2024-12-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種匹配任務(wù)難度的類別增量學(xué)習(xí)模型定制化方法、裝置及存儲(chǔ)介質(zhì)在說(shuō)明書摘要公布了：本發(fā)明公開了一種匹配任務(wù)難度的類別增量學(xué)習(xí)模型定制化方法、裝置及存儲(chǔ)介質(zhì)，屬于分類網(wǎng)絡(luò)設(shè)計(jì)領(lǐng)域。該方法包括：設(shè)計(jì)匹配當(dāng)前任務(wù)難度的不等式約束，篩選隨機(jī)節(jié)點(diǎn)，以構(gòu)建類別增量學(xué)習(xí)模型的表征學(xué)習(xí)層的神經(jīng)單元；以動(dòng)態(tài)前向更新的方式更新類別增量學(xué)習(xí)模型的分類器層的輸出權(quán)值；基于當(dāng)前任務(wù)的訓(xùn)練數(shù)據(jù)計(jì)算輸出概率，并根據(jù)輸出概率對(duì)應(yīng)的激活閾值對(duì)神經(jīng)單元進(jìn)行參數(shù)化，更新類別增量學(xué)習(xí)模型，得到定制化的類別增量學(xué)習(xí)模型；獲取訓(xùn)練過(guò)的某一任務(wù)的測(cè)試數(shù)據(jù)，將測(cè)試數(shù)據(jù)輸入定制化的類別增量學(xué)習(xí)模型中激活對(duì)應(yīng)的神經(jīng)單元，得到輸出類別。分配與任務(wù)難度相匹配的擴(kuò)展配額，使得網(wǎng)絡(luò)的擴(kuò)展與適應(yīng)新任務(wù)所需的模型容量相匹配。

本發(fā)明授權(quán)一種匹配任務(wù)難度的類別增量學(xué)習(xí)模型定制化方法、裝置及存儲(chǔ)介質(zhì)在權(quán)利要求書中公布了：1.一種匹配任務(wù)難度的類別增量學(xué)習(xí)模型定制化方法，其特征在于，包括：S1、給定當(dāng)前任務(wù)的訓(xùn)練數(shù)據(jù)，設(shè)計(jì)匹配當(dāng)前任務(wù)難度的不等式約束，篩選隨機(jī)節(jié)點(diǎn)，以構(gòu)建類別增量學(xué)習(xí)模型的表征學(xué)習(xí)層的神經(jīng)單元；所述訓(xùn)練數(shù)據(jù)為自然圖像數(shù)據(jù)CIFAR-100的均勻劃分版本，訓(xùn)練數(shù)據(jù)中的訓(xùn)練樣本表示為其中，t為分類任務(wù)標(biāo)記，t＝1,2,…,10，Xt為分類任務(wù)t的圖像輸入，Yt為分類任務(wù)t的圖像輸出，|Dt|為任務(wù)t訓(xùn)練樣本個(gè)數(shù)，Mt和Ct分別為輸入特征數(shù)和輸出類別數(shù)；S2、采用梯度下降算法減小訓(xùn)練誤差，并以動(dòng)態(tài)前向更新的方式更新所述類別增量學(xué)習(xí)模型的分類器層的輸出權(quán)值；S3、基于當(dāng)前任務(wù)的訓(xùn)練數(shù)據(jù)計(jì)算對(duì)應(yīng)類別的輸出概率，并根據(jù)所述輸出概率對(duì)應(yīng)的激活閾值對(duì)神經(jīng)單元進(jìn)行參數(shù)化，更新類別增量學(xué)習(xí)模型；S4、當(dāng)下一個(gè)分類任務(wù)出現(xiàn)時(shí)，循環(huán)執(zhí)行S1-S3，直至遍歷所有任務(wù)，得到定制化的類別增量學(xué)習(xí)模型；其中，步驟S1具體包括：S11、當(dāng)前分類任務(wù)t出現(xiàn)時(shí)，在可調(diào)對(duì)稱區(qū)間[-λ,λ]內(nèi)初始化多組隱含層參數(shù)對(duì){Wl,Bl}，得到多個(gè)隨機(jī)節(jié)點(diǎn)GlXtWl+Bl；其中，Xt為分類任務(wù)t的圖像輸入，λ為區(qū)間邊界，l表示每組節(jié)點(diǎn)的數(shù)量，Wl為連接權(quán)值，Bl為偏置；S12、設(shè)計(jì)單個(gè)節(jié)點(diǎn)添加方式和批量節(jié)點(diǎn)添加方式 其中，L-l表示表征學(xué)習(xí)層擴(kuò)展前的節(jié)點(diǎn)數(shù)；c＝1,2,...,Ct表示任務(wù)t所包含的Ct個(gè)類別中的第c個(gè)，表示訓(xùn)練誤差，βl,ct表示輸出權(quán)值，gl表示隨機(jī)節(jié)點(diǎn)GlXtWl+Bl個(gè)數(shù)為1時(shí)的情況，即單個(gè)隨機(jī)節(jié)點(diǎn)；δt＝1-rt-μLt表示誤差因子，rt表示誤差遞減量，μLt為收斂平衡系數(shù)；S13、設(shè)計(jì)匹配當(dāng)前任務(wù)難度的不等式約束，并按照所述不等式約束從所述隨機(jī)節(jié)點(diǎn)中篩選出多個(gè)單個(gè)節(jié)點(diǎn)和多個(gè)批量節(jié)點(diǎn)，從多個(gè)單個(gè)節(jié)點(diǎn)和多個(gè)批量節(jié)點(diǎn)中比較并選擇最優(yōu)的節(jié)點(diǎn)，作為目標(biāo)節(jié)點(diǎn)；不等式約束表示為： S14、將目標(biāo)節(jié)點(diǎn)添加到表征學(xué)習(xí)層相應(yīng)的神經(jīng)單元中，擴(kuò)展表征學(xué)習(xí)層，并判斷擴(kuò)展后的網(wǎng)絡(luò)是否滿足目標(biāo)誤差或達(dá)到最大添加節(jié)點(diǎn)數(shù)，若是，得到擴(kuò)展后的網(wǎng)絡(luò)若否，則返回S11；其中，將GlXtWl+Bl表示為βlt為輸出權(quán)值向量，表示最佳隱含層參數(shù)對(duì)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人華中科技大學(xué)，其通訊地址為：430074 湖北省武漢市洪山區(qū)珞喻路1037號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。